近年來(lái),推薦系統(tǒng)越來(lái)越受到人們的關(guān)注,按照應(yīng)用場(chǎng)景主要分為評(píng)分預(yù)測(cè)和Top-K推薦。考慮到傳統(tǒng)評(píng)分推薦系統(tǒng)和Top-K排序推薦系統(tǒng)只考慮用戶和項(xiàng)目的二元評(píng)分信息,具有一定的局限性,因此擴(kuò)展了一種基于列表排序?qū)W習(xí)的矩陣分解方法。一方面,充分考慮用戶之間關(guān)注關(guān)系。首先通過(guò)用戶之間的關(guān)注關(guān)系計(jì)算用戶之間的信任度,接著通過(guò)用戶之間的信任度在原始模型的損失函數(shù)中添加用戶社交約束項(xiàng),使相互信任的用戶偏好向量盡可能接近。另一方面,計(jì)算項(xiàng)目所擁有標(biāo)簽的權(quán)重,并以此計(jì)算項(xiàng)目之間的標(biāo)簽相似度,再將項(xiàng)目的標(biāo)簽約束項(xiàng)添加至損失函數(shù)中。在真實(shí)Epinions和百度電影數(shù)據(jù)集中的實(shí)驗(yàn)結(jié)果表明,該方法的NDCG值和原始模型相比具有一定的提高,有效地提高了推薦準(zhǔn)確率。
【文章目錄】：
1 引言
2 相關(guān)工作
    2.1 概率矩陣分解
    2.2 融合社交網(wǎng)絡(luò)和標(biāo)簽信息的推薦方法
    2.3 面向排序的推薦方法
3 融合項(xiàng)目標(biāo)簽信息面向排序的社會(huì)化推薦算法
    3.1 社交網(wǎng)絡(luò)中信任度
    3.2 項(xiàng)目的標(biāo)簽相似度
    3.3 融合項(xiàng)目標(biāo)簽信息面向排序的社會(huì)化推薦算法
        3.3.1 Top-one概率
        3.3.2 融合項(xiàng)目標(biāo)簽信息和用戶社交信息
    3.4 模型參數(shù)訓(xùn)練
4 實(shí)驗(yàn)結(jié)果與分析
    4.1 數(shù)據(jù)集描述
        4.1.1 百度電影數(shù)據(jù)集
        4.1.2 Epinions數(shù)據(jù)集
    4.2 評(píng)價(jià)指標(biāo)
    4.3 對(duì)比實(shí)驗(yàn)
    4.4 參數(shù)設(shè)置
5 結(jié)束語(yǔ)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 史加榮;鄭秀云;周水生;;矩陣補(bǔ)全算法研究進(jìn)展[J];計(jì)算機(jī)科學(xué);2014年04期

2 李聰;駱志剛;;用于魯棒協(xié)同推薦的元信息增強(qiáng)變分貝葉斯矩陣分解模型[J];自動(dòng)化學(xué)報(bào);2011年09期

3 袁運(yùn)祥;基于矩陣分解的子結(jié)構(gòu)法求解介紹[J];計(jì)算機(jī)應(yīng)用通訊;1981年00期

4 張海建;;分布式矩陣分解算法在推薦系統(tǒng)中的研究與應(yīng)用[J];科技通報(bào);2013年12期

5 何朕,趙文斌,于達(dá)仁;攝動(dòng)矩陣的分解[J];電機(jī)與控制學(xué)報(bào);2004年03期

6 李華云;;F范數(shù)及矩陣分解實(shí)例研究[J];現(xiàn)代情報(bào);2008年10期

7 鄒理和;;系數(shù)矩陣分解二維譜估值[J];信號(hào)處理;1985年03期

8 陳伯倫;陳崚;鄒盛榮;徐秀蓮;;基于矩陣分解的二分網(wǎng)絡(luò)社區(qū)挖掘算法[J];計(jì)算機(jī)科學(xué);2014年02期

9 王鋒;趙志文;牟盛;;整數(shù)提升小波多相矩陣分解系數(shù)的快速提取算法[J];中國(guó)圖象圖形學(xué)報(bào);2012年03期

10 段華杰;;考慮時(shí)間效應(yīng)的矩陣分解技術(shù)在推薦系統(tǒng)中的應(yīng)用[J];微型電腦應(yīng)用;2013年03期

相關(guān)博士學(xué)位論文 前5條

1 李英明;矩陣分解在數(shù)據(jù)挖掘中的應(yīng)用[D];浙江大學(xué);2014年

2 趙科科;低秩矩陣分解的正則化方法與應(yīng)用[D];浙江大學(xué);2012年

3 郭亦鴻;利用穆勒矩陣分解定量測(cè)量各向異性介質(zhì)微觀結(jié)構(gòu)[D];清華大學(xué);2014年

4 胡惠軼;基于分解的系統(tǒng)辨識(shí)方法研究[D];江南大學(xué);2014年

5 陳根浪;基于社交媒體的推薦技術(shù)若干問(wèn)題研究[D];浙江大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 秦曉暉;個(gè)性化微博推薦方法研究[D];華南理工大學(xué);2015年

2 劉鳳林;基于矩陣分解的協(xié)同過(guò)濾推薦算法研究[D];南京理工大學(xué);2015年

3 李源鑫;基于提升的信任融合矩陣分解推薦算法[D];福建師范大學(xué);2015年

4 陳洪濤;基于矩陣分解的常規(guī)與長(zhǎng)尾捆綁推薦的博弈研究[D];福建師范大學(xué);2015年

5 張濟(jì)龍;基于概率矩陣分解的推薦算法研究[D];燕山大學(xué);2015年

6 鄧志豪;基于物品相似度和主題回歸的矩陣分解推薦算法[D];浙江大學(xué);2015年

7 余露;利用矩陣分解算法建模數(shù)據(jù)稀疏環(huán)境下用戶協(xié)同行為[D];杭州師范大學(xué);2015年

8 倪澤明;混合用戶行為建模的概率矩陣分解推薦算法[D];浙江大學(xué);2015年

9 丁浩;基于協(xié)同矩陣分解的藥物靶標(biāo)相互作用關(guān)系預(yù)測(cè)[D];復(fù)旦大學(xué);2014年

10 吳世偉;社會(huì)網(wǎng)絡(luò)中的鏈接分析[D];復(fù)旦大學(xué);2014年

本文編號(hào)：2839475